Comparing MCMC algorithms in Stochastic Volatility Models using Simulation Based Calibration
利用基于模拟的校准比较随机波动模型中的 MCMC 算法AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：题名与摘要明确以随机波动模型的后验估计为比较对象，最直接对应波动率计量，未涉及资产定价或收益预测任务。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
利用基于模拟的校准比较随机波动模型中的 MCMC 算法
- 研究问题
- 在正确设定的随机波动模型中，偏移混合近似算法与 Stan 的 Hamiltonian Monte Carlo 能否产生校准的后验推断，其抽样效率如何？
- 方法与思路
- 作者采用基于模拟的校准评估两类 MCMC 算法的后验有效性，并用有效样本量刻画统计效率，同时考察模型参数化的影响。
- 材料陈述的贡献
- 摘要称，Stan 的 No-U-Turn 采样器得到较好校准的后验，而偏移混合方法校准较差且效率较低；作者同时指出参数化影响及结论的一般性限制。
- 阅读关注点
- 应核对模拟所用先验与生成过程、校准统计量、链长和收敛诊断，并检查不同参数化下的结果以及有效样本量与计算成本的关系。
- 阅读边界
- 这是 arXiv 预印本，不能据此认定已同行评审或获期刊接收；摘要未说明具体模型和计算配置，不能据此认定某类 MCMC 在所有随机波动模型中更优。
原文摘要
Simulation Based Calibration (SBC) is applied to analyse two commonly used, competing Markov chain Monte Carlo algorithms for estimating the posterior distribution of a stochastic volatility model. In particular, the bespoke 'off-set mixture approximation' algorithm proposed by Kim, Shephard, and Chib (1998) is explored together with a Hamiltonian Monte Carlo algorithm implemented through Stan. The SBC analysis involves a simulation study to assess whether each sampling algorithm has the capacity to produce valid inference for the correctly specified model, while also characterising statistical efficiency through the effective sample size. Results show that Stan's No-U-Turn sampler, an implementation of Hamiltonian Monte Carlo, produces a well-calibrated posterior estimate while the celebrated off-set mixture approach is less efficient and poorly calibrated, though model parameterisation also plays a role. Limitations and restrictions of generality are discussed.